PaddleOCR检测模型训练深度解析
b 指标数据漂亮 hmean 0.9以上，但你很难纠正模型固有的思维（除非拿近似级别的数据量去纠正)，效果难达到预期。b 在开源数据集上训练，带有开源数据集的基本特征。因为官方模型或三方模型不能有效的达到项目检测目标，所以自训练能实现需求的模型。b 公开数据泛化强，针对弱。b 在一定精度上起步，精度指标天生高，对自有数据实际效果不明显。a 从0起步训练，对自有数据的效果明显，但提高训练精度指标难。
·
意义和目的：
因为官方模型或三方模型不能有效的达到项目检测目标，所以自己训练能实现需求的模型。
模型概述：
骨干网络
resnet 残差卷积神经网络
mobilenet 轻量卷积神经网络
技术路线：
a：从骨干网络基础上训练模型（自己训练基座模型）
b：基于PP-OCR模型的微调（官方训练出的基座模型上微调）
区别：
a 能学习到自有数据集的基本特征；b 在开源数据集上训练，带有开源数据集的基本特征
优劣：
a 对自有数据集的针对性强，泛化弱；b 公开数据泛化强，针对弱。
现象：
a 从0起步训练，对自有数据的效果明显，但提高训练精度指标难。
b 在一定精度上起步，精度指标天生高，对自有数据实际效果不明显。
总之：
b 指标数据漂亮 hmean 0.9以上，但你很难纠正模型固有的思维（除非拿近似级别的数据量去纠正)，效果难达到预期。
a hmean 0.6左右就有明显效果，但进一步提升需要寻找更佳超参组合，或加数据量。
实际训练和测试
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)